弹幕生成方法、装置和计算机可读存储介质与流程

本申请涉及计算机
技术领域：
，特别是涉及一种弹幕生成方法、装置和计算机可读存储介质。
背景技术：
：随着计算机技术的飞速发展，越来越多的人通过网络观看视频，比如游戏视频、直播视频，在视频上线推广初期，为了引起观众的跟随与共鸣，增加用户粘性，视频中往往会自动插入弹幕。传统技术中，视频中的弹幕通常通过弹幕机器人来智能生成，弹幕机器人将预设弹幕集合中的有限数量的弹幕随机重复发送。这种方法虽然可以实现自动生成弹幕，但是预设弹幕集合中的有限数量的弹幕比较固定，导致生成的弹幕与视频的相关性低。技术实现要素：基于此，有必要针对传统技术中生成的弹幕与视频相关性低的技术问题，提供一种弹幕生成方法、装置、计算机可读存储介质和计算机设备。一种弹幕生成方法，包括：获取目标游戏视频；根据所述目标游戏视频的视频内容确定弹幕触发信息；根据所述弹幕触发信息确定待生成弹幕的弹幕类型，根据所述弹幕类型确定所述待生成弹幕的触发时间；根据所述弹幕触发信息获取所述待生成弹幕对应的弹幕文本，在对应的触发时间触发所述弹幕文本生成弹幕。一种弹幕生成装置，所述装置包括：视频获取模块，用于获取目标游戏视频；触发信息确定模块，用于根据所述目标游戏视频的视频内容确定弹幕触发信息；触发时间确定模块，用于根据所述弹幕触发信息确定待生成弹幕的弹幕类型，根据所述弹幕类型确定所述待生成弹幕的触发时间；文本触发模块，用于根据所述弹幕触发信息获取所述待生成弹幕对应的弹幕文本，在对应的触发时间触发所述弹幕文本生成弹幕。一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述弹幕生成方法的步骤。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行弹幕生成方法的步骤。上述弹幕生成方法、装置、计算机可读存储介质和计算机设备，在获取到目标游戏视频后，根据目标游戏视频的视频内容确定弹幕触发信息，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间，根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕，从而实现了弹幕的智能生成，由于在获取到目标游戏视频后，根据视频内容确定的弹幕触发信息，而弹幕文本也是根据弹幕触发信息获取的，因此，最终生成的弹幕与视频内容的是强相关的，从而提高了弹幕与视频的相关性。附图说明图1为一个实施例中弹幕生成方法的应用环境图；图2为一个实施例中弹幕生成方法的流程示意图；图2a为一个实施例中生成弹幕的效果展示示意图；图3a为一个实施例中事件描述弹幕对应的展示效果示意图；图3b为一个实施例中热点话题弹幕的展示效果示意图；图3c为一个实施例中元素话题弹幕的展示效果示意图；图3为一个实施例中构建热点话题弹幕对应的话题文本和讨论文本的流程示意图；图4为一个实施例中s208之后的流程示意图；图5为一个实施例中弹幕生成方法的流程图；图6为一个实施例中弹幕生成方法对应的生成逻辑图；图7为一个实施例中弹幕生成装置的结构框图；图8为另一个实施例中弹幕生成装置的结构框图；图9为另一个实施例中弹幕生成装置的结构框图；图10为一个实施例中计算机设备的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。图1为一个实施例中弹幕生成方法的应用环境图。参照图1，该弹幕生成方法应用于弹幕生成系统。该弹幕生成系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端110和服务器120均可单独用于执行本申请实施例中提供的弹幕生成方法。终端110和服务器120也可协同用于执行本申请实施例中提供的弹幕生成方法。如图2所示，在一个实施例中，提供了一种弹幕生成方法。本实施例主要以该方法应用于计算机设备来举例说明。该计算机设备可以是上述图1中的终端110或服务器120。参照图2，该弹幕生成方法具体包括如下步骤：s202，获取目标游戏视频。其中，目标游戏视频指的是需要生成弹幕的游戏视频。目标游戏视频包括但不限于是原创的游戏视频、直播游戏视频，例如，目标游戏视频具体可以是王者荣耀相关的游戏视频。在一个实施例中，计算机设备可以在接收到弹幕生成指令后，将该弹幕生成指令对应的视频确定为目标游戏视频。在另一个实施例中，计算机设备可以从预先存储的视频集合中，依次选取各个视频确定为目标游戏视频。s204，根据目标游戏视频的视频内容确定弹幕触发信息。其中，弹幕触发信息指的是可触发生成弹幕的信息。计算机设备在获取到目标游戏视频后，可对目标游戏视频的内容进行理解，以确定目标游戏视频对应的弹幕触发信息。在一个实施例中，弹幕触发信息具体可以是视频事件、视频元素及视频类别中的至少一种。其中，视频事件指的是较为精彩的事件内容，例如在游戏对局内，会引起游戏播报，或者观众、玩家反响的游戏画面，如玩家多杀，死亡等。视频元素指的是视频中一些特定的元素，例如在游戏视频中，视频元素具体可以是与特定游戏对局相关的在场元素，例如游戏对局中的主角、道具等等。视频类别指的是目标游戏视频所属的预定义的视频类别，例如，当目标游戏视频为游戏视频时，视频类别可以是王者荣耀、撸啊撸等等。在一个实施例中，计算机设备在获取到目标游戏视频后，可调用预设的接口对目标游戏视频的视频内容进行理解，以确定目标游戏视频对应的弹幕触发信息。在一个实施例中，如表1、表2所示，对视频内容进行理解后，可得到以下数据，其中，表1为视频事件相关数据，表2为视频元素相关数据：表1事件：丝血多杀主体英雄：鲁班时间：01；00-01：25事件：以一敌百主体英雄：安琪拉时间：01；35-01：45事件：大龙团战主体英雄：安琪拉、马可时间：02；10-02：35表2主英雄检测-主英雄：鲁班frame_id:2000帧播报检测-标语：五连绝世frame_id:1000帧草丛检测-是否隐匿：是frame_id:1700帧野怪检测-种类：暴君frame_id:1750帧s206，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕的触发时间。其中，待生成弹幕的弹幕类型指的是将要触发生成的弹幕所属的弹幕的具体分类。本申请实施例中，预先定义了多种弹幕类型，不同的弹幕触发信息会触发不同弹幕类型的弹幕。不同弹幕类型的弹幕，其对应的触发时间的确定方式也是不相同的，因此，计算机设备在确定了弹幕触发信息后，首先需要确定弹幕触发信息会触发哪些弹幕类型的弹幕，然后根据这些弹幕类型确定各类弹幕对应的触发时间。这里的触发时间指的是触发弹幕文本生成弹幕的时间。触发时间可以是一个时间点或者时间段。可以理解的是，根据视频内容确定的弹幕触发信息可能有多种，则分别根据每一种弹幕触发信息确定待生成弹幕的弹幕类型，并分别根据各弹幕类型确定各弹幕类型的待生成弹幕对应的触发时间。还可以理解的是，根据视频内容确定的每一种弹幕触发信息可能包括多个不同的信息，则在根据弹幕触发信息确定了弹幕类型后，根据该弹幕类型分别确定每一个信息所触发的待生成弹幕对应的触发时间。在一个实施例中，预先定义的弹幕类型包括事件描述弹幕、事件话题弹幕、元素话题弹幕及热点话题弹幕。其中，事件描述弹幕及事件话题弹幕为根据视频事件触发的弹幕，元素话题弹幕为根据视频元素触发的弹幕，热点话题弹幕为根据视频类别触发的弹幕。s208，根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕。其中，弹幕文本指的是弹幕生成后所展示的文本内容，该文本内容包括但不限于是文字、表情。在一个实施例中，可预先建立弹幕数据库，弹幕数据库中保存了弹幕触发信息与弹幕文本之间的映射关系，计算机设备可根据弹幕触发信息从弹幕数据库中获取到对应的弹幕文本，将获取到的弹幕文本作为待生成弹幕对应的弹幕文本。计算机设备在获取到弹幕文本后，在对应的触发时间对弹幕文本进行触发，即可生成弹幕。可以理解的是，待生成弹幕可能对应多个触发时间，则分别获取各个触发时间对应的弹幕文本，并分别在不同的触发时间触发弹幕文本生成弹幕。在一个实施例中，计算机设备在触发弹幕文本生成弹幕时，可随机设置弹幕的字体颜色、型号、粗细等显示样式。在一个实施例中，计算机设备在触发弹幕文本生成弹幕时，可随机选取弹幕轨道和起始终止位置，这里的弹幕轨道指的是视频画面中弹幕可经过的路径，可以理解的是，该路径可以是直线、斜线或者是曲线。在一个实施例中，计算机设备在触发弹幕文本生成弹幕时，可随机设置弹幕的飘出时间点，这里的飘出时间点指的是弹幕在视频帧上消失的时间。如图2a所示，为一个具体的实施例中，生成弹幕的效果展示示意图。其中，虚线框202中“不知道谁打先手”、虚线框204中“主宰拿了就好推了”、虚线框206中“射手感觉好难玩呀”等均为生成的弹幕。上述弹幕生成方法，在获取到目标游戏视频后，根据目标游戏视频的视频内容确定弹幕触发信息，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间，根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕，从而实现了弹幕的智能生成，由于在获取到目标游戏视频后，根据视频内容确定的弹幕触发信息，而弹幕文本也是根据弹幕触发信息获取的，因此，最终生成的弹幕与视频内容的是强相关的，从而提高了弹幕与视频的相关性。在一个实施例中，根据目标游戏视频的视频内容确定弹幕触发信息包括：对目标游戏视频对应的视频帧进行图像检测，得到视频帧对应的图像元素；根据图像元素确定弹幕触发信息。其中，图像元素指的是视频帧中的特征物，这里的特征物可以包括视频帧中所有的有形物体，如：人脸、字幕、装饰道具、人的身体、动物、植物等。具体地，计算机设备可以对目标游戏视频对应的每一帧视频帧进行图像检测，识别出视频帧中所有的特征物，得到每一帧视频帧对应的图像元素。其中，进行图像检测的方法可以根据实际需要进行选择，例如：可以使用ai(artificialintelligence，人工智能)图像识别方法，或者其他图像识别算法，本申请在此不作具体限定。在检测到图像元素后，将图像元素及其相关信息与对应的目标游戏视频关联存储至结构化数据库中，其中，图像元素的相关信息包括对应的时间、所在的视频帧标识等等。计算机设备进一步可以获取预定义的弹幕触发信息，根据目标游戏视频对应的图像元素与预定义的弹幕触发信息之间的匹配结果来确定目标游戏视频对应的弹幕触发信息。在一个实施例中，计算机可通过对连续多帧视频帧对应的图像元素进行逻辑组合，与预定义的事件类别集合中各事件类别进行匹配，若匹配上任意一个事件类别，则确定目标游戏视频中包括该事件类别的视频事件，该视频事件即为弹幕触发信息。将确定出的视频事件对应的事件信息存入数据库中，事件信息包括事件对应的时间段、人物、事件类型等。在一个实施例中，计算机设备在确定了目标游戏视频所包括的视频事件后，将视频事件与各游戏类别对应的事件类别进行匹配，将匹配度最高的游戏类别确定为目标游戏视频对应的游戏类别。例如，目标游戏视频包括视频事件a1、视频事件b1，游戏类别a对应的事件类别包括a、b、c，游戏类别b对应的事件类别包括b、c、d，其中，视频事件a1对应的事件类别为a，视频事件b1对应的事件类别为b，则目标游戏视频显然与游戏类别a匹配度高些，将视频类别a确定为目标游戏视频对应的视频类别，该视频类别即为弹幕触发信息。在一个实施例中，计算机设备可将图像元素与预定义的视频元素类别集合中各视频元素类别进行匹配，当任意一个或多个图像元素或其组合匹配上视频元素类别时，则将该一个或多个图像元素或其组合确定为目标游戏视频的视频元素，该视频元素即为弹幕触发信息。本实施例中，通过对目标游戏视频的视频帧进行图像检测，根据检测得到的图像元素可以准确地确定出目标游戏视频对应的弹幕触发信息。在一个实施例中，当弹幕触发信息包括视频事件时，上述步骤s206根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间包括：根据视频事件确定待生成弹幕的弹幕类型包括第一类弹幕；将以视频事件对应的时间段开始的一段预设时间作为弹幕类型为第一类弹幕的待生成弹幕的触发时间。其中，第一类弹幕包括事件描述弹幕、事件话题弹幕中的至少一种。事件描述弹幕指的是与具体视频事件相关的弹幕，该类弹幕的内容通常是对具体事件进行描述或者评论。事件话题弹幕与具体视频事件相关，但内容不限于事件本身，可以是由事件进行一定程度衍生后产生的话题，以模拟观众的联想场景。具体地，当弹幕触发信息包括视频事件时，计算机设备可确定待生成弹幕的弹幕类型包括第一类弹幕，由于第一类弹幕是根据视频事件确定的，其目的是为了引发观众对具体视频事件的共鸣，因此，这类弹幕需要跟随事件的出现而出现，故而计算机设备可以获取视频事件对应的时间段，将以该时间段开始的一段预设时间确定为该类弹幕的触发时间。可以理解的是，当有多个视频事件时，需要获取每一个视频事件对应的时间段，并将每一个视频事件对应的时间段开始的一段预设时间都作为触发时间。当然，由于各个视频事件通常各不相同，在各个触发时间触发的弹幕文本肯定是不一样的。在一个实施例中，当弹幕类型为事件描述弹幕时，上述步骤s208根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕包括：确定视频事件对应的事件类别；从预先建立的弹幕数据库中获取与事件类别对应的第一类历史弹幕文本；将获取的第一类历史弹幕文本作为弹幕文本；在对应的触发时间内重复触发弹幕文本生成弹幕。其中，第一类历史弹幕文本为在事件类别对应的历史时间段内出现频次超过预设频次阈值的弹幕文本，这类弹幕文本包含的信息量往往比较少，根据这类弹幕文本生成的弹幕往往用于大量刷屏，因此也可称之为刷屏型弹幕。如图3a所示，为一个实施例中，事件描述弹幕对应的展示效果示意图，其中，虚线框304中“6666666666666”、虚线框306中“玩得不错”、虚线框302中“哈哈哈哈”等为刷屏型弹幕。可以理解的是，在不同的视频中，视频事件往往是不相同的，但是这些不同的视频事件有可能属于相同的事件类别，例如在视频a中的死亡事件，死亡的为主角1,在视频b中同样包括死亡事件，死亡的为主角2，这两个死亡事件为不同的视频事件，但是这两个死亡事件都是属于死亡事件这一事件类别的。而第一类历史弹幕文本生成的弹幕由于往往用于大量刷屏，刷屏型弹幕由于包括的信息量比较少，对于同一事件类别，这类弹幕往往是类似的，可以通用。基于此，可以预先收集各事件类别对应的第一类历史弹幕文本，这些第一类历史弹幕文本是通过对其他游戏视频中的各事件类别对应的历史视频事件的弹幕筛选得到的，在收集到第一类历史弹幕文本后，可将第一类历史弹幕文本与对应的事件类别之间建立映射关系并保存至弹幕数据库。当弹幕触发信息包括视频事件，计算机设备可以确定弹幕类型包括事件描述弹幕，对于这类弹幕对应的弹幕文本的获取，计算机设备可首先根据目标游戏视频中具体的视频事件确定其所属的事件类别，然后去弹幕数据库中随机获取一定数量与事件类别对应的第一类历史弹幕文本，将获取的这些弹幕文本作为待生成弹幕的弹幕文本，在以视频事件对应的时间段开始的一段预设时间内重复触发弹幕文本生成弹幕。可以理解的是，当目标游戏视频中包括多个视频事件时，分别基于各视频事件对应的事件类别获取对应的弹幕文本，然后在以各视频事件对应的时间段开始的一段预设时间内重复触发各视频事件对应的弹幕文本生成弹幕。可以理解的是，这里的重复触发指的是触发的次数有多次，但每次触发的弹幕文本可以是相同，也可以是不同的。重复次数越多，则意味着触发生成弹幕的时间间隔越小。在一个实施例中，在触发第一类弹幕文本生成弹幕时，由于生成的弹幕是与视频事件相关的，因此，可以在视频事件出现的时间段内将触发次数提高，在之后的时间内，随着时间推进逐渐减少触发次数，以营造一种接近真实环境的弹幕情绪。在一个实施例中，当弹幕类型为事件描述弹幕时，上述步骤s208根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕包括：确定视频事件对应的事件类别；从预先建立的弹幕数据库中获取与事件类别对应的第二类历史弹幕文本；获取视频事件对应的事件信息，根据事件信息对第二类历史弹幕文本进行更新，得到弹幕文本；在对应的触发时间内重复触发弹幕文本生成弹幕。其中，第二类历史弹幕文本为对事件类别对应的历史视频事件进行描述的弹幕文本，这类弹幕文本包含的信息量较高，出现频次少，且内容重复度低，往往对具体的视频事件描述性较强。由第二类历史弹幕文本生成的弹幕可称为具体描述型弹幕。继续参照图3a，其中，虚线框308中“这波输出也太高了吧”、虚线框310中“这先手打得不错”为具体描述型弹幕。具体地，可预先收集各事件类别对应的第二类历史弹幕文本，这些第二类历史弹幕文本是通过对其他游戏视频中的各事件类别对应的历史视频事件的弹幕筛选得到的，在收集到第二类历史弹幕文本后，可将第二类历史弹幕文本与对应的事件类别之间建立映射关系并保存至弹幕数据库。当弹幕触发信息包括视频事件，计算机设备可以确定弹幕类型包括事件描述弹幕，对于这类弹幕对应的弹幕文本的获取，计算机设备可首先根据目标游戏视频中具体的视频事件确定其所属的事件类别，然后去弹幕数据库中随机获取一定数量与事件类别对应的第二类历史弹幕文本，而由于第二类弹幕文本对具体视频事件的描述性较强，计算机设备在获取到第二类历史弹幕文本后，需要根据目标游戏视频中视频事件的具体事件信息对这些弹幕文本进行更新，以使得地得到的弹幕文本与目标游戏视频中的视频事件进行匹配，从而得到待生成弹幕的弹幕文本。在进行更新时，主要是将第二类历史弹幕文本中对其他视频事件进行描述的内容替换为对目标游戏视频中视频事件进行描述的内容，例如，对于第二类历史弹幕文本“这个先手打的不错哦”，替换为“这个蹲草杀人打得不错哦”。在一个实施例中，在触发第二类弹幕文本生成弹幕时，由于生成的弹幕是与视频事件相关的，因此，可以在视频事件出现的时间段内将触发次数提高，在之后的时间内，随着时间推进逐渐减少触发次数，以营造一种接近真实环境的弹幕情绪。在一个实施例中，在从预先建立的弹幕数据库中获取与事件类别对应的第一类历史弹幕文本之前，该方法还包括：获取预设的事件类别集合；获取预设的事件类别中各事件类别对应的历史弹幕文本集合；分别对各历史弹幕文本集合中各历史弹幕文本进行聚类，分别得到各事件类别对应的至少一个聚类簇；分别根据各事件类别对应的至少一个聚类簇中历史弹幕文本的数量，确定各事件类别对应的第一类历史弹幕文本。预设的事件类别集合为预先定义的事件类别组成的集合。本实施例中，可从网站上爬取各游戏类别对应的视频中的弹幕文本，对这些弹幕文本进行清洗、去除错别字、乱码符号、占位符等预处理操作，将预处理后的弹幕文本与对应的事件类别之间建立映射关系，即得到各事件类别对应的历史弹幕文本集合。对于各历史弹幕文本集合，计算机设备可以对其中的历史弹幕文本进行聚类，聚类后会得到各事件类别对应的至少一个聚类簇，对于每一个事件类别对应的聚类簇，计算机设备可以统计各聚类簇中历史弹幕文本的数量，根据数量多少从其中确定至少一个聚类簇作为目标聚类簇，这些目标聚类簇中的弹幕文本内容相似，且出现频次高，属于不对事件进行具体描述的非强相关刷屏类弹幕，因此，计算机设备可以从目标聚类簇中选取任意一个或多个弹幕文本确定为该事件类别对应的第一类历史弹幕文本。在根据各聚类簇中历史弹幕文本的数量确定目标聚类簇时，可将数量大于预设阈值的聚类簇确定为目标聚类簇，也可以根据数量对各聚类簇进行排序，根据排序结果选取数量较多的至少一个聚类簇确定为目标聚类簇。在一个实施例中，计算机设备对历史弹幕文本集合中的历史弹幕文本进行聚类，可首先将历史弹幕文本输入预训练的bert模型中，以将历史弹幕文本转换为文本向量，计算各文本向量之间的向量距离，将向量距离小于预设阈值的文本向量进行聚集，从而实现对历史弹幕文本的聚类。在一个实施例中，当弹幕类型为事件话题弹幕时，根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕包括：确定视频事件对应的事件类别；从预先建立的弹幕数据库中随机选取与事件类别对应的第一目标话题文本，并随机选取与第一目标话题文本对应的第一讨论文本；将第一目标话题文本及第一讨论文本作为弹幕文本；在以视频事件对应的时间段开始的一段预设时间内，触发第一目标话题文本生成话题弹幕，并跟随话题弹幕触发第一讨论文本生成讨论弹幕。其中，预先建立的弹幕数据库中保存了各事件类别与对应的目标话题文本之间的映射关系，每一个目标话题文本分别对应多个讨论文本。可以理解的是，话题文本通常可以问题的形式出现，而对应的讨论文本则为针对该问题的讨论和回复。例如关于buff事件的目标话题文本可以包括“哪些英雄适合该buff”、“buff刷新事件多久”。计算机设备在确定了事件类别后，可以根据事件类别从弹幕数据库中筛选对应的话题列表，然后随机选取其中至少一个话题文本作为第一目标话题文本，同时从该第一目标话题文本对应的讨论文本中随机选取一部分讨论文本得到第一讨论文本，第一目标话题文本及第一讨论文本即为由视频事件触发的事件话题弹幕的弹幕文本，该类弹幕文本由于是跟视频事件相关的，往往跟随事件的发生而触发，并随着事件的结束而逐渐消失，因此，计算机设备可以在以视频事件对应的时间段开始的一段预设时间内，首先触发第一目标话题文本生成话题弹幕，在发出话题弹幕后，在接下来的时间内，按照随机的时间间隔，跟随话题弹幕逐条触发第一讨论文本生成讨论弹幕。在一个实施例中，预先建立的弹幕数据库中各事件类别对应的话题文本及讨论文本，可通过以下方式构建：首先从网络上爬取历史弹幕文本，将历史弹幕文本归类至各事件类别，得到各事件类别对应的历史弹幕文本集合，对于每一个历史弹幕文本集合，从中筛选出事件话题弹幕，从这些事件话题弹幕中选取出现较为频繁的关键词，筛选围绕这些关键词进行的话题弹幕及讨论弹幕，对这些弹幕进行复述，润色等文字处理后，作为该历史弹幕文本集合对应的事件类别的话题文本及讨论文本，并与对应的事件类别关联存储至弹幕数据库中。本实施例中，通过获取事件类别对应的第一目标话题文本及第一讨论文本生成事件话题弹幕，可以模拟观众对于事件的联想。在一个实施例中，当弹幕触发信息包括视频元素时，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间包括：根据视频元素确定待生成弹幕的弹幕类型包括元素话题弹幕；在目标游戏视频对应的时间段内，每间隔预设时段确定一段时间为弹幕类型为元素话题弹幕的待生成弹幕的触发时间。本实施例中，目标游戏视频为游戏视频，视频元素是与目标游戏视频对应的游戏对局强相关的元素，在场英雄，游戏模式，玩家id等与该游戏对局强相关的元素。由于游戏对局是贯穿整个目标游戏视频的，因此，由视频元素触发的元素话题弹幕理论上可以出现在目标游戏视频的任意一个时间点，因此，本实施例中，可以每间隔预设时段确定一段时间为元素话题弹幕的待生成弹幕的触发时间，也就是说，预先设定一个固定时间间隔，在目标游戏视频对应的时间段内，每过去一个固定时间间隔，在一段时间范围内生成元素话题弹幕。举个例子，可以设定固定时间间隔为3分钟，则可以在目标游戏视频对应的时间段内，每隔3分钟，在接下来的2分钟内生成元素话题弹幕，然后再隔3分钟，再在接下来的2分钟内生成元素话题弹幕，依次类推，直至目标游戏视频结束。在一个实施例中，当弹幕触发信息包括视频类别时，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间包括：根据视频类别确定待生成弹幕的弹幕类型包括热点话题弹幕；在目标游戏视频对应的时间段内，每间隔预设时段确定一段时间为弹幕类型为热点话题弹幕的待生成弹幕的触发时间。视频类别是目标游戏视频所属的类别，例如，目标游戏视频为游戏视频时，视频类别可以是对应的游戏类别，游戏类别的划定可根据需要进行划定。真实观众在观看游戏视频时，除了对游戏中的事件、元素等进行评论和讨论外，有时也会针对与该游戏相关的一些日常热点话题进行讨论，本实施例中，为了拟合这种场景，计算机设备在得到弹幕触发信息包括视频类别时，可以确定待生成的弹幕类型热点话题弹幕，热点话题弹幕也就是模拟观众对日常热点话题进行讨论的弹幕，例如，可以是关于“最近的王者荣耀什么时候更新”、“会新出什么装备”等等话题的讨论。而由于视频类别是与视频本身相关的，因此，由视频类别触发的热点话题弹幕理论上可以出现中目标游戏视频的任何时间段内，本实施例中，可以每间隔预设时段确定一段时间为热点话题弹幕的待生成弹幕的触发时间，从而可以按照一个设定的规律来触发生成热点话题弹幕。在一个实施例中，当弹幕触发信息包括视频类别时，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间包括：根据视频类别确定待生成弹幕的弹幕类型包括热点话题弹幕；将目标游戏视频对应的时间段内，第一类弹幕对应的触发时间之外的其他时间段确定为弹幕类型为热点话题弹幕的待生成弹幕的候选触发时间，得到至少一个候选时间段；将至少一个候选时间段中时间长度超过预设时间阈值的候选时间段确定为弹幕类型为热点话题弹幕的待生成弹幕的触发时间。由于视频类别触发的热点话题弹幕的生成时间比较灵活，为了避免在第一类弹幕对应的触发时间之外的其他时间段长时间出现空白无弹幕的情形，可以在第一类弹幕对应的触发时间之外的其他时间段外选择性地触发生成热点话题弹幕，具体来说，可以首先将第一类弹幕对应的触发时间之外的其他时间段确定为候选触发时间，由于目标游戏视频中视频事件通常有多个，因此，第一类弹幕对应的触发时间也有多个，这些触发时间分散在目标游戏视频中的不同时间段处，相当于将目标游戏视频的时间段分割成了多个部分，这样，在第一类弹幕对应的触发时间之外，会得到至少一个候选时间段，计算机设备可以从这些候选时间段中选择时间长度较长的时间段确定为热点话题弹幕的触发时间，而为了界定时间长度，本实施例中通过预先设置一个时间阈值，将时间长度超过该时间阈值的候选时间段确定为热点话题弹幕的触发时间。可以理解的是，该时间阈值是可以根据需要进行调整的。在一个实施例中，根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕包括：从预先建立的弹幕数据库中随机选取与弹幕触发信息对应的第二目标话题文本，并随机选取与第二目标话题文本对应的第二讨论文本；将第二目标话题文本及第二讨论文本作为弹幕文本；在对应的触发时间触发第二目标话题文本生成话题弹幕，并跟随话题弹幕触发第二讨论文本生成讨论弹幕。其中，弹幕触发信息包括视频元素、视频类别中的至少一种。预先建立的弹幕数据库中保存了各视频元素、视频类别对应的目标话题文本之间的映射关系，每一个目标话题文本分别对应多个讨论文本。计算机设备在获取待生成弹幕对应的弹幕文本时，可以根据弹幕触发信息从弹幕数据库中筛选对应的话题列表，然后随机选取其中至少一个话题文本作为第二目标话题文本，同时从该第二目标话题文本对应的讨论文本中随机选取一部分讨论文本得到第一讨论文本，在与待生成弹幕对应的触发时间内，首先触发第二目标话题文本生成话题弹幕，在发出话题弹幕后，在接下来的时间内，按照随机的时间间隔，跟随话题弹幕逐条触发第二讨论文本生成讨论弹幕。如图3b为一个实施例中，热点话题弹幕的展示效果示意图，其中，虚线框312中“哪些皮肤会返场呀”为生成的话题弹幕，虚线框314中“大圣取金，冲呀！”及虚线框316中“管他呢，反正我也不会买”跟随话题弹幕生成的讨论弹幕。如图3c所示，为一个实施例中，元素话题弹幕的展示效果示意图，其中，虚线框318中“马克现在怎么出装”为生成的话题弹幕，虚线框320中“出冰霜长矛”及虚线框322中“现在马克好像都出半肉”为跟随话题弹幕生成的讨论弹幕。可以理解的是，由于弹幕触发信息包括视频元素、视频类别中的至少一种，这里的待生成弹幕对应的触发时间指的是根据视频元素、视频类别中的至少一种所确定的触发时间。该触发时间的确定可以根据上面描述的实施例所提供的方式确定，本申请在此不赘述。在一个实施例中，预先建立的弹幕数据库中各视频元素对应的话题文本及讨论文本，可通过以下方式构建：首先从网络上爬取历史弹幕文本，将历史弹幕文本归类至各视频元素，得到各视频元素对应的历史弹幕文本集合，对于每一个历史弹幕文本集合，从中筛选出元素话题弹幕，从这些元素话题弹幕中选取出现较为频繁的关键词，筛选围绕这些关键词进行的话题弹幕及讨论弹幕，对这些弹幕进行复述，润色等文字处理后，作为该历史弹幕文本集合对应的视频元素的话题文本及讨论文本，并与对应的视频元素关联存储至弹幕数据库中。在一个实施例中，如图3所示，在根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕之前，该弹幕生成方法还包括构建热点话题弹幕对应的话题文本和讨论文本的步骤，该步骤具体包括：s302，获取视频类别对应的贴文本。其中，贴文本指的对热点进行讨论的讨论帖。例如，可以是游戏论坛、游戏贴吧等讨论平台上，对游戏热点进行讨论的讨论帖。s304，对视频类别对应的贴文本进行聚类，得到视频类别对应的至少一个贴文本簇。具体地，在获取到贴文本后，可以对贴文本进行清洗、预处理等整理操作，然后将整理后的贴文本转换为文本向量，对文本向量进行聚类，得到至少一个贴文本簇。在进行聚类时，可以计算各文本向量之间的向量距离，将向量距离小于预设阈值的文本向量聚为一类，也可以通过计算各文本向量之间的余弦相似度来进行聚类，当然，也可以采用其他方法来进行聚类，本申请在此不做限定。在一个实施例中，可采用tf-idf算法得到整理后的各贴文本的词频向量，将词频向量作为各贴文本的文本向量。s306，获取视频类别对应的至少一个贴文本簇中各贴文本的热度，获取各个贴文本簇中各贴文本的热度之和作为各个贴文本簇对应的热度。其中，热度用于表征关注度，热度越大，关注度越大。具体地，对于每一个贴文本簇，可首先计算其中各个贴文本的热度，然后将贴文本簇中各个贴文本的热度相加得到热点和作为该贴文本簇对应的热度。在一个实施例中，对于贴文本的热度，可通过该贴文本的评论数、回复数、浏览量等指标来进行计算。具体来说，可预先设置各指标的权重，则贴文本的热度＝评论数*评论权重+回复数*回复权重+浏览量*浏览权重+……。s308，选取热度超过第一预设热度阈值的贴文本簇，作为视频类别对应的目标贴文本簇。s310，从各目标贴文本簇中选取热度超过第二预设热度阈值的贴文本作为各目标贴文本簇对应的目标贴文本；各目标贴文本簇对应的目标贴文本用于生成视频类别对应的话题文本及话题文本对应的讨论文本。由于目标贴文本簇中个贴文的热度已经事先获取到，计算机设备可以从各目标贴文本簇中选取热度超过第二预设热度阈值的贴文本作为各目标贴文本簇对应的目标贴文本，这些目标贴文本即可用于构建话题文本及话题文本对应的讨论文本。在一个实施例中，可通过对目标贴文本进行分句，从得到的分句中筛选出符合要求的句子，通过已训练的短句重述网络进行重述，得到话题文本及话题文本对应的讨论文本。其中，短句重述网络可采用现有的模型训练方式进行训练得到。可以理解的是，本实施例中的第一预设热度阈值、第二预设热度阈值可根据弹幕效果进行调整。在一个实施例中，在在对应的触发时间触发弹幕文本生成弹幕之前，该弹幕生成方法还包括：获取弹幕类型对应的当前概率分布函数，根据当前概率分布函数进行随机值采样；当前概率分布函数是根据目标游戏视频所属视频类别对应的历史用户人数及对应于弹幕类型的历史弹幕数量得到的；在对应的触发时间触发弹幕文本生成弹幕，包括：当采样得到的随机值为第一随机值时，在对应的触发时间触发弹幕文本生成弹幕。其中，概率分布函数指的是beta分布函数，beta分布(betadistributio，贝塔分布)是一个连续的概率分布，其包含两个参数α和β，beta分布的参数可以基于先验信息得到。具体在本实施例中，当前概率分布函数用于表征弹幕类型对应的弹幕的触发概率，由于目标游戏视频是没有历史数据的，因此可以将目标游戏视频所属视频类别对应的先验信息作为目标游戏视频的先验信息，因此，当前概率分布函数的参数可以根据目标游戏视频所属视频类别对应的历史用户人数及对应于弹幕类型的历史弹幕数量得到的。其中，历史用户人数可通过对该视频类别对应的所有视频的观众人数进行统计得到；历史弹幕数量可通过对该视频类别对应的所有历史弹幕中，对应于弹幕类型的历史弹幕数据统计得到。可以理解的是，当根据弹幕触发信息得到的弹幕类型有多个时，计算机设备分别获取各弹幕类型对应的当前概率分布函数，对于每一个弹幕类型，其对应的当前概率分布函数都是根据目标游戏视频所属视频类别对应的历史用户人数及对应于该弹幕类型的历史弹幕数量得到的。计算机设备在获取到与弹幕类型对应的当前概率分布函数后，基于当前概率分布函数的参数，可以进行随机值采样，当前概率分布函数的参数会决定采集得到的随机值为0还是1，其中，1为第一随机值，0为第二随机值。当采样得到的随机值为第一随机值时，触发弹幕文本生成弹幕，而当采样得到的随机值为第二随机值时，计算机设备不进行弹幕文本的触发，也就是不会生成弹幕，从而可以使得弹幕的生成符合实际触发概率。本实施例中，通过获取弹幕类型对应的当前概率分布函数，根据当前概率分布函数进行随机值采样，进而可以根据采样得到的随机值来决定是否触发弹幕，以遵循真实场景中弹幕的生成规律，使得生成的弹幕更加真实。在一个实施例中，如图4所示，该弹幕生成方法还包括：s402，获取目标游戏视频对应的真实弹幕文本，根据已训练的分类模型对真实弹幕文本进行分类，根据分类结果得到各弹幕类型对应的真实弹幕数量。其中，真实弹幕文本指的是目标游戏视频上线后，在真实场景下由用户输入的弹幕。计算机设备在获取到一段时间内的真实弹幕文本后，将真实弹幕文本输入到已训练的分类模型中，通过分类模型输出的分类结果，得到真实弹幕文本所属的弹幕类型，根据各真实弹幕文本所属的弹幕类型，统计各弹幕类型对应的真实弹幕数量。其中的分类模型是用于分类的机器学习模型，是根据已分类的历史弹幕文本进行训练得到的，由于已分类的历史弹幕文本对应的弹幕类型是已知的，因此可以根据这些历史弹幕文本进行有监督地训练来得到分类模型。s404，获取目标游戏视频对应的真实用户人数。s406，根据真实用户人数及各弹幕类型对应的真实弹幕数量更新各弹幕类型对应的当前概率分布函数。其中，真实用户人数指的是目标游戏视频上线后，在真实场景下的观众人数。目标游戏视频在上线后，各弹幕类型有了具体的用户人数和弹幕数量，也就是有了后验信息，而beta分布是二项分布的共轭先验分布，在数据符合二项分布的时候，参数的先验分布和后验分布都能保持beta分布的形式，因此，可以根据后验信息对各弹幕类型对应的当前概率分布函数进行更新，对当前概率分布函数的更新，也就是对其对应的参数进行更新，从而实现对弹幕触发的分布概率的更新，更新后，相当于对计算机设备生成弹幕的能力进行了优化，这样，计算机设备在根据更新后的当前概率分布函数进行弹幕生成时，能够达到和真实环境更加接近的弹幕生成效果。在一个实施例中，分类模型包括文本分类网络层、全连接层和预测层；分类模型的训练步骤包括：获取训练样本；训练样本包括历史弹幕文本及历史弹幕文本对应的目标弹幕类型；将历史弹幕文本输入预训练的文本分类网络层中，通过预训练的文本分类网络层对历史弹幕文本进行向量化，得到对应的文本向量；将文本向量输入全连接层，通过全连接层对文本向量进行分类计算，得到分类特征向量；将分类特征向量输入预测层，得到对应于各弹幕类型的预测概率；根据各弹幕类型的预测概率及目标弹幕类型，训练分类模型。其中，预训练的文本分类网络层可以采用预训练的bert模型实现。在进行训练时，将历史弹幕文本输入到预训练的bert模型后，会输出对应的文本向量，计算机设备进一步将文本向量输入到全连接层，由全连接对文本向量进行分类计算，得到分类特征向量，该分类特征向量中包括了历史弹幕文本分类到各弹幕类型的概率参数，最后，计算机设备将分类特征向量输入到预测层，输出历史弹幕文本对应于各弹幕类型的具体的预测概率，其中，预测层可以用softmax实现。由于历史弹幕文本的弹幕类型是已知的，就可以根据预测概率和真实概率之间的差异来构建损失函数，再按照最小化该损失函数的方向调整分类模型各层的参数并继续训练，直至满足训练结束条件。这里的训练条件结束可以是：训练时间超过预设时长、参数调整的次数超过预设次数、预测概率和真实概率之间的差异小于预设差异阈值。在一个具体的实施例中，以目标游戏视频为王者荣耀相关的视频为例对本申请的弹幕生成方法进行说明。参考图5，在该目标游戏视频推广之初，由于缺少足够的真实弹幕数据，计算机设备可通过弹幕数据库中的已存储的各类弹幕文本，对该目标游戏视频离线生成各类机器弹幕，目标游戏视频上线后，在真实场景下，用户会实时输入弹幕文本，计算机设备在获取这一部分弹幕文本后，通过已训练的分类模型进行分类，分类得到的弹幕类型为热点话题、元素话题、事件描述1、事件描述2、事件话题五类，其中，热点话题类即为前文提到的热点话题弹幕、元素话题类即为前文提到的元素话题弹幕、事件话题即为前文提到的事件话题弹幕，事件描述1即为前文提到的刷屏型弹幕，事件描述2即为前文提到的具体描述型弹幕，在完成分类后，将这些已分类弹幕存入弹幕数据库并与各自对应的弹幕类型进行关联，这样一来，相当于对弹幕数据库中各类弹幕的弹幕文本进行了更新，计算机设备下次离线生成弹幕时，就可以基于更新后的弹幕数据库来生成各类弹幕，从而可以使得计算机设备生成的弹幕更加接近真实环境。参考图6，为本实施例中计算机设备在离线生成弹幕时对应的生成逻辑图。计算机设备通过对该目标游戏视频进行理解后，确定该目标游戏视频的视频元素包括“马克波罗”，视频事件包括“五连绝世”。由该目标游戏视频所属的游戏类别“王者荣耀”可以从弹幕数据库中随机选取与王者荣耀对应的多个话题文本，例如图6中以热点话题1、热点话题2、热点话题3和热点话题4进行表示的话题文本，根据该游戏视频对应的视频元素可以从弹幕数据库中随机选取多个话题文本，例如图6中以元素话题1、元素话题2、元素话题3和元素话题4进行表示的话题文本，由该游戏视频包括的视频事件所属的事件类别，可以从弹幕数据库中随机多个事件描述文本，例如图6中以事件描述1、事件描述2、事件描述3和事件描述4进行表示的文本，可以理解的是，这些事件描述文本可以是前文提到的第一类历史弹幕文本或者第二类历史弹幕文本，由该游戏视频包括的视频事件所属的事件类别还可以从弹幕数据库中随机多个话题文本，例如图6中以事件话题1、事件话题2、事件话题3和事件话题4进行表示的话题文本。继续参照图6，其中，与视频事件相关的文本，例如事件描述1、事件描述2、事件描述3和事件描述4，以及事件话题1、事件话题2、事件话题3和事件话题4分别在事件发生的时间段开始触发生成弹幕，而与视频元素相关的文本，例如元素话题1、元素话题2、元素话题3和元素话题4，以及与游戏类别相关的文本，例如热点话题1、热点话题2、热点话题3和热点话题4，则分别在没有事件发生的时间段触发。应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。在一个实施例中，如图7所示，提供了一种弹幕生成装置700，该装置包括：视频获取模块702，用于获取目标游戏视频；触发信息确定模块704，用于根据目标游戏视频的视频内容确定弹幕触发信息；触发时间确定模块706，用于根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕的触发时间；文本触发模块708，用于根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕。上述弹幕生成装置，在获取到目标游戏视频后，根据目标游戏视频的视频内容确定弹幕触发信息，根据弹幕触发信息确定待生成弹幕的弹幕类型，根据弹幕类型确定待生成弹幕对应的触发时间，根据弹幕触发信息获取待生成弹幕对应的弹幕文本，在对应的触发时间触发弹幕文本生成弹幕，从而实现了弹幕的智能生成，由于在获取到目标游戏视频后，根据视频内容确定的弹幕触发信息，而弹幕文本也是根据弹幕触发信息获取的，因此，最终生成的弹幕与视频内容的是强相关的，从而提高了弹幕与视频的相关性。在一个实施例中，触发信息确定模块还用于对目标游戏视频对应的视频帧进行图像检测，得到视频帧对应的图像元素；根据图像元素确定弹幕触发信息。在一个实施例中，当所述弹幕触发信息包括视频事件时，触发时间确定模块还用于根据视频事件确定待生成弹幕的弹幕类型包括第一类弹幕，第一类弹幕包括事件描述弹幕、事件话题弹幕中的至少一种；将以视频事件对应的时间段开始的一段预设时间作为弹幕类型为第一类弹幕的待生成弹幕的触发时间。在一个实施例中，当所述弹幕类型为事件描述弹幕时，文本触发模块还用于确定视频事件对应的事件类别；从预先建立的弹幕数据库中获取与事件类别对应的第一类历史弹幕文本；第一类历史弹幕文本为在事件类别对应的历史时间段内出现频次超过预设频次阈值的弹幕文本；将获取的第一类历史弹幕文本作为弹幕文本；在对应的触发时间内重复触发弹幕文本生成弹幕。在一个实施例中，当所述弹幕类型为事件描述弹幕时，文本触发模块还用于确定视频事件对应的事件类别；从预先建立的弹幕数据库中获取与事件类别对应的第二类历史弹幕文本；第二类历史弹幕文本为对事件类别对应的历史视频事件进行描述的弹幕文本；获取视频事件对应的事件信息，根据事件信息对第二类历史弹幕文本进行更新，得到弹幕文本；在对应的触发时间内重复触发弹幕文本生成弹幕。在一个实施例中，如图8所示，该弹幕生成装置还包括弹幕文本收集模块710，用于获取预设的事件类别集合；获取预设的事件类别中各事件类别对应的历史弹幕文本集合；分别对各历史弹幕文本集合中各历史弹幕文本进行聚类，分别得到各事件类别对应的至少一个聚类簇；分别根据各事件类别对应的至少一个聚类簇中历史弹幕文本的数量，确定各事件类别对应的第一类历史弹幕文本。在一个实施例中，当所述弹幕类型为事件话题弹幕时，文本触发模块还用于确定视频事件对应的事件类别；从预先建立的弹幕数据库中随机选取与事件类别对应的第一目标话题文本，并随机选取与第一目标话题文本对应的第一讨论文本；将第一目标话题文本及第一讨论文本作为弹幕文本；在以视频事件对应的时间段开始的一段预设时间内，触发第一目标话题文本生成话题弹幕，并跟随话题弹幕触发第一讨论文本生成讨论弹幕。在一个实施例中，当弹幕触发信息包括视频元素时，触发时间确定模块还用于根据视频元素确定待生成弹幕的弹幕类型包括元素话题弹幕；在目标游戏视频对应的时间段内，每间隔预设时段确定一段时间为弹幕类型为元素话题弹幕的待生成弹幕的触发时间。在一个实施例中，当弹幕触发信息包括视频类别时，触发时间确定模块还用于根据视频类别确定待生成弹幕的弹幕类型包括热点话题弹幕；在目标游戏视频对应的时间段内，每间隔预设时段确定一段时间为弹幕类型为热点话题弹幕的待生成弹幕的触发时间。在一个实施例中，当弹幕触发信息包括视频类别时，触发时间确定模块还用于根据视频类别确定待生成弹幕的弹幕类型包括热点话题弹幕；将目标游戏视频对应的时间段内，第一类弹幕对应的触发时间之外的其他时间段确定为弹幕类型为热点话题弹幕的待生成弹幕的候选触发时间，得到至少一个候选时间段；将至少一个候选时间段中时间长度超过预设时间阈值的候选时间段确定为弹幕类型为热点话题弹幕的待生成弹幕的触发时间。在一个实施例中，文本触发模块还用于从预先建立的弹幕数据库中随机选取与弹幕触发信息对应的第二目标话题文本，并随机选取与第二目标话题文本对应的第二讨论文本；将第二目标话题文本及第二讨论文本作为弹幕文本；在对应的触发时间触发第二目标话题文本生成话题弹幕，并跟随话题弹幕触发第二讨论文本生成讨论弹幕。在一个实施例中，如图8所示，该弹幕生成装置还包括文本构建模块712，用于获取视频类别对应的贴文本；对视频类别对应的贴文本进行聚类，得到视频类别对应的至少一个贴文本簇；获取视频类别对应的至少一个贴文本簇中各贴文本的热度，获取各个贴文本簇中各贴文本的热度之和作为各个贴文本簇对应的热度；选取热度超过第一预设热度阈值的贴文本簇，作为视频类别对应的目标贴文本簇；从各目标贴文本簇中选取热度超过第二预设热度阈值的贴文本作为各目标贴文本簇对应的目标贴文本；各目标贴文本簇对应的目标贴文本用于生成视频类别对应的话题文本及话题文本对应的讨论文本。在一个实施例中，如图9所示，该弹幕生成装置还包括采样模块714，用于获取弹幕类型对应的当前概率分布函数，根据当前概率分布函数进行随机值采样；当前概率分布函数是根据目标游戏视频所属视频类别对应的历史用户人数及对应于弹幕类型的历史弹幕数量得到的；文本触发模块还用于当采样得到的随机值为第一随机值时，在对应的触发时间触发弹幕文本生成弹幕。在一个实施例中，如图9所示，该弹幕生成装置还包括更新模块716，用于获取目标游戏视频对应的真实弹幕文本，根据已训练的分类模型对真实弹幕文本进行分类，根据分类结果得到各弹幕类型对应的真实弹幕数量；获取目标游戏视频对应的真实用户人数；根据真实用户人数及各弹幕类型对应的真实弹幕数量更新各弹幕类型对应的当前概率分布函数。在一个实施例中，分类模型包括文本分类网络层、全连接层和预测层；如图9所示，该弹幕生成装置还包括训练模块，用于获取训练样本；训练样本包括历史弹幕文本及历史弹幕文本对应的目标弹幕类型；将历史弹幕文本输入预训练的文本分类网络层中，通过预训练的文本分类网络层对历史弹幕文本进行向量化，得到对应的文本向量；将文本向量输入全连接层，通过全连接层对文本向量进行分类计算，得到分类特征向量；将分类特征向量输入预测层，得到对应于各弹幕类型的预测概率；根据各弹幕类型的预测概率及目标弹幕类型，训练分类模型，直至满足训练条件。图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图10所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现弹幕生成方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行弹幕生成方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。在一个实施例中，本申请提供的弹幕生成装置可以实现为一种计算机程序的形式，计算机程序可在如图10所示的计算机设备上运行。计算机设备的存储器中可存储组成该弹幕生成装置的各个程序模块，比如，图7所示的视频获取模块、触发信息确定模块、触发时间确定模块和文本触发模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的弹幕生成方法中的步骤。例如，图10所示的计算机设备可以通过如图7所示的弹幕生成装置中的视频获取模块执行s202。计算机设备可通过触发信息确定模块执行s204。计算机设备可通过触发时间确定模块执行s206。计算机设备可通过文本触发模块执行s208。在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述弹幕生成方法的步骤。此处弹幕生成方法的步骤可以是上述各个实施例的弹幕生成方法中的步骤。在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述弹幕生成方法的步骤。此处弹幕生成方法的步骤可以是上述各个实施例的弹幕生成方法中的步骤。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指示相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。当前第1页12